原文传递
基于三维激光雷达和图像融合的无人车复杂场景建模
| 论文题名： | 基于三维激光雷达和图像融合的无人车复杂场景建模 |
| 关键词： | 无人车;激光雷达;彩色图像;迭代特征点;自动配准;复杂场景建模 |
| 摘要： | 随着社会的发展和科技的进步，无人驾驶技术得到了空前的发展，无人车开始进入人们的视野。无人车行驶过程中，必须感知识别周边环境信息以保证完成自主定位、路径规划及导航等任务。然而无人车所处环境复杂，存在大量的不确定性因素。由于环境是动态变化的，这就要求无人车具备对所处的复杂场景进行环境识别和建模的能力，无人车的环境建模技术也成为无人驾驶领域的重要研究课题。本文以无人车的环境建模为目标，基于三维激光雷达和图像融合技术，提出融合数据处理、复杂环境特征点提取和自动配准算法，进而研究了地面点与非地面点先分离匹配再整合建模的新方案。 本文的主要研究内容如下： 1.研究了激光雷达与彩色图像数据融合的处理方法。通过预处理实验，将激光雷达采集的点云数据与视觉相机采集的彩色相片融合，对融合数据进行了点云坐标转换、粗差剔除、形态学滤波等预处理，将地面点与非地面点较好地分离。 2.研究了地物目标特征点的提取算法，基于法向量特征点和曲率特征点提取的原理，进行了地物目标特征点的提取实验。对点云数据求解法向量与曲率，计算出相邻两帧非地面点的两种特征点。通过实验对比，得出结论：基于法矢特征点的地物目标提取速度快，但提取率较低，适用于复杂场景基础环境建模；基于曲率特征点的提取算法复杂，但提取率高，能更好反映物体的特征信息，适用于点云数据量较小的情况。 3.提出了迭代特征点的自动配准算法。研究正态分布变换算法和迭代最近点算法，在进行特征点提取后，整合两种配准算法，设计出迭代特征点的自动配准算法。其思路是先采用正态分布算法进行粗匹配，再对粗匹配结果迭代对应特征点进行精匹配。对提取的特征点进行迭代特征点的自动配准实验，实验结果表明，该算法明显提高了配准算法的精度和速度。 4.完成无人车复杂场景建模实验。运用迭代特征点的自动配准算法对预处理后的非地面点进行配准，对地面点数据构建三角化模型，整合地面模型与非地面模型，构建出了无人车周边完整的三维环境地图模型。实验结果验证了基于三维激光雷达和图像融合的复杂场景建模方案的可行性和有效性。 本文的创新点在于： 1.设计了地面点与非地面点分离建模的方案，建模效果更好，场景渲染更加精准； 2.提出迭代多种特征点的自动配准算法，可以根据场景选择特征点类型，减少了三维场景模型精细匹配的计算时间，同时提高了模型匹配的精度。 |
| 作者： | 张征南 |
| 专业： | 地理学;地图学与地理信息系统 |
| 导师： | 胡引翠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北师范大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
